使用pytesser识别简单数字

Question

我正在学习使用 PyTesser 和 Tesseract 进行光学字符识别（OCR）。作为我的第一个小目标，我想写一个工具来识别简单的验证码，这些验证码只包含一些数字。我看了一些教程，写了一个测试程序。

from pytesser.pytesser import *
from PIL import Image, ImageFilter, ImageEnhance

im = Image.open("test.tiff")
im = im.filter(ImageFilter.MedianFilter())
enhancer = ImageEnhance.Contrast(im)
im = enhancer.enhance(2)
im = im.convert('1')
text = image_to_string(im)
print "text={}".format(text)

我用下面的图片测试了我的代码。但结果是 2(T?770。我还测试了一些其他类似的图片，结果在80%的情况下都是错误的。

我对图像处理不太熟悉，这里有两个问题：

1. 能不能让 PyTesser 只猜测数字呢？

2. 我觉得这张图片人类看起来很容易读懂。如果 PyTesser 识别这样只包含数字的图片都这么困难，那有没有其他工具能做得更好呢？

任何提示都非常感谢。

Answer 1

我觉得你的代码还不错。它可以识别 207770。问题出在 pytesser 的安装上。pytesser 中的 Tesseract 版本有点旧了。你需要下载一个最新版本，并替换掉相应的文件。你还需要编辑 pytesser.py 文件，把

tesseract_exe_name = 'tesseract'

改成

import os.path
tesseract_exe_name = os.path.join(os.path.dirname(__file__), 'tesseract')